如何解析 &#DDDDD;&#DDDDD; （Unicode 图像）与 XML 解析器答案

【问题标题】：How to Parse &#DDDDD;&#DDDDD; (Unicode Image) with XML Parser如何解析 &#DDDDD;&#DDDDD; （Unicode 图像）与 XML 解析器
【发布时间】：2016-02-19 02:50:53
【问题描述】：

我遇到了一个奇怪的问题，我将 XML 数据作为 INPUT 获取，例如

<D\DATA>
<\DATA_CONTENT="&lt;p&gt;&#55357;&#56842;&lt;/p&gt;&lt;p&gt;&#55357;&#56832;&lt;/p&gt;&lt;p&gt;&#55357;&#56865;&lt;/p&gt;"/>
<\/DATA>

并尝试使用 libxml2 进行解析

xmlReaderForMemory(inputData.c_str(),inputData.length(),NULL,NULL,NULL)

问题是xml解析器可以t process the parsing because of "&" image string in sample input is "&#55357;&#56865;' is UTF-8 encoded UNICODE or HTML data so data is correct, but problem is "&" is not possible in XML Data. it shoulde be changed as "&" but i cant改变输入数据。

数据是在android系统中使用 TransformerFactory() 生成的，并且能够通过 JAVA 上的 DOM 进行解析

但我需要在 C/C++ 中解析它。所以我尝试使用 libxml2 解析 xml 数据，但是......没有办法解决这个问题..

请帮助我并提前感谢

【问题讨论】：

你的数据甚至不是有效的 XML，甚至不是它的一部分，不管那是什么。
这只是示例数据而不是完整数据，如果我将 DDDDD 数据更改为普通文本，则可以解析..

标签： xml parsing unicode libxml2

【解决方案1】：

&#55357; (U+D83D) 和 &#56842; (U+DE0A) 是 Unicode surrogates 的数字字符引用，它们是 not allowed in XML。因此，当 libxml2 拒绝此类字符引用时，它会做正确的事情。

您应该通过首先组合代理来更改生成此无效 XML 的代码部分。例如，代理对 D83D DE0A 是代码点 U+1F60A: SMILING FACE WITH SMILING EYES 的 UTF-16 编码。您的 XML 生产者应该输出 &#x1F60A; 或十进制的 &#128522;。

【讨论】：

谢谢！我正在检查如何将 Unicode Surrogte() 更改为 Unicode(U+1F60A)